Python-NumPy模块-数组的处理

一时失言乱红尘 2021-09-09 03:38 397阅读 0赞

## 添加数组元素 ##

### append()函数 ###

#### 在数组的末尾添加元素 ####

from numpy import array,append
    a=array([[1,2,3],[4,5,6]])
    b=append(a,[[1,2,3]])
    print(b)

结果：  
二维数组变成了一维数组。  
![在这里插入图片描述][d9d559f8f499b30d783edc16865911fe.png]

#### 不改变数组维度的情况下在数组末尾添加元素 ####

from numpy import array,append
    a=array([[1,2,3],[4,5,6]])
    b=append(a,[[1,2,3]],axis=0)
    print(b)

结果：  
![在这里插入图片描述][921fbe085ac1937cd52e1d9cd1fbb52b.png]  
append()函数的参数axis也可以设置为1，表示元素会添加在数组的列方向上，也就是说，数组的列数会增加，而行数不变。

from numpy import array,append
    a=array([[1,2,3],[4,5,6]])
    b=append(a,[[1,2],[3,4]],axis=1)
    print(b)

结果:  
![在这里插入图片描述][c6af00a6a5034dd49ebfbe7d0565cd0d.png]

### insert()函数 ###

from numpy import array,insert
    a=array([[1,2,3],[4,5,6]])
    b=insert(a,1,[2,2,2])
    print(b)

结果：  
![在这里插入图片描述][1643e094457e493d828ba5240ce4e232.png]  
二维数组变成了一维数组，且插入的元素位于数组索引值1（第2个元素）之前。

在不改变数组维度的情况下，在数组的指定位置插入元素

from numpy import array,insert
    a=array([[1,2,3],[4,5,6]])
    b=insert(a,1,[9,9,9],axis=0)
    c=insert(a,1,[9,9],axis=1)
    print(b)
    print(c)

结果：  
![在这里插入图片描述][776928a0596244d3ba65e29eb2861db1.png]

## 删除数组元素 ##

from numpy import array,delete
    a=array([[1,2,3],[4,5,6],[7,8,9]])
    a1=delete(a,2)
    a2=delete(a,2,axis=0)
    a3=delete(a,2,axis=1)
    print(a1)
    print(a2)
    print(a3)

结果：  
![在这里插入图片描述][d7a978f256204bd0900a0633c3f5ec89.png]

## 处理数组的缺失值 ##

import numpy
    a=numpy.array([1,2,3,4,5,numpy.nan])
    print(a)
    print(numpy.isnan(a))

结果：  
np.nan即表示缺失值  
![在这里插入图片描述][734929576e3a40709d12291151f91135.png]  
利用isnan()函数对缺失值进行填充

import numpy
    a=numpy.array([1,2,3,4,5,numpy.nan])
    a[numpy.isnan(a)]=0
    print(a)

结果：  
![在这里插入图片描述][78b7ca49dc494efdb25f71ecb7bef47c.png]

## 处理数组的重复值 ##

import numpy
    a=numpy.array([1,2,5,6,4,5,6,1,2,3,8])
    a1=numpy.unique(a)
    a2=numpy.unique(a,return_counts=True)
    print(a1)
    print(a2)

结果:  
调用unique()函数对数组arr进行去重处理。  
unique()函数添加了一个参数return\_counts，并设置参数值为True，用于查看去重后数组中的元素在原数组中出现的次数  
![在这里插入图片描述][569055513c4c4132950739ae8eec52b1.png]

## 拼接数组 ##

### concatenate()函数 ###

import numpy
    a=numpy.array([[1,2,3],[4,5,6]])
    b=numpy.array([[11,22,33],[44,55,66]])
    a1=numpy.concatenate((a,b),axis=0)
    b1=numpy.concatenate((a,b),axis=1)
    print(a1)
    print(b1)

结果：  
![在这里插入图片描述][8a9a28c815f543dc996350e000970f3d.png]

### hstack()函数 ###

以水平堆叠的方式拼接数组

import numpy
    a=numpy.array([[1,2,3],[4,5,6]])
    b=numpy.array([[11,22,33],[44,55,66]])
    c=numpy.hstack((a,b))
    print(c)

结果：  
![在这里插入图片描述][583145fa5c2943b4ba34e3070bd56c25.png]

### vstack()函数 ###

以垂直堆叠的方式拼接数组

import numpy
    a=numpy.array([[1,2,3],[4,5,6]])
    b=numpy.array([[11,22,33],[44,55,66]])
    c=numpy.vstack((a,b))
    print(c)

结果:  
![在这里插入图片描述][0e1fea68f5914b3a8b443da22fbbc4ed.png]

## 拆分数组 ##

### split()函数 ###

指定的份数将一个数组均分为多个数组

import numpy
    a=numpy.array([1,2,3,4,5,6,7,8,9,10,11,12])
    a1=numpy.split(a,2)
    a2=numpy.split(a,4)
    print(a1)
    print(a2)

结果：  
![在这里插入图片描述][c83fbf885f04480dbd37640cf5fec6ca.png]按照指定的索引位置拆分数组

import numpy
    a=numpy.array([1,2,3,4,5,6,7,8,9,10,11,12])
    a1=numpy.split(a,[2,6])
    a2=numpy.split(a,[2,5,8])
    print(a1)
    print(a2)

结果:  
![在这里插入图片描述][9bd686934bbd45b3bc9915e023e78479.png]

### hsplit()函数 vsplit()函数 ###

hsplit()将一个数组横向拆分为多个数组  
vsplit()将一个数组纵向拆分为多个数组

import numpy
    a=numpy.array([[1,2,3,4,5,6],[1,2,3,4,5,6],[7,8,9,10,11,12],[7,8,9,10,11,12]])
    a1=numpy.hsplit(a,2)
    a2=numpy.vsplit(a,2)
    print(a1)
    print(a2)

结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQwMzYzMg_size_16_color_FFFFFF_t_70]

[d9d559f8f499b30d783edc16865911fe.png]: /images/20210813/bf17a36f1b454df0a9fd4fffd55030e8.png
[921fbe085ac1937cd52e1d9cd1fbb52b.png]: /images/20210813/aa80f695bbf14c9cbb057f196ec9a21d.png
[c6af00a6a5034dd49ebfbe7d0565cd0d.png]: /images/20210813/e6fb0b2533654cd9a34bc44127fed8d2.png
[1643e094457e493d828ba5240ce4e232.png]: /images/20210813/c2b50ed484af4361b14ed4f2add840b4.png
[776928a0596244d3ba65e29eb2861db1.png]: /images/20210813/3740524c76e74a85b983799cc308733a.png
[d7a978f256204bd0900a0633c3f5ec89.png]: /images/20210813/9420b450b24a446f89169010a3c2d0ca.png
[734929576e3a40709d12291151f91135.png]: /images/20210813/3a30ded7b2c14c63aab6f3ca45a7dc00.png
[78b7ca49dc494efdb25f71ecb7bef47c.png]: /images/20210813/76f95ae37d6a4326881ce4795d2d798d.png
[569055513c4c4132950739ae8eec52b1.png]: /images/20210813/800eff693c4e4984a30d1db63d3d2bf8.png
[8a9a28c815f543dc996350e000970f3d.png]: /images/20210813/eb7b3c3da634497b80a1e4a7bfda8706.png
[583145fa5c2943b4ba34e3070bd56c25.png]: /images/20210813/3b4e3ea8ae264b498e9843dfd33ddd09.png
[0e1fea68f5914b3a8b443da22fbbc4ed.png]: /images/20210813/16a0236d042b468b9ca07675855148ec.png
[c83fbf885f04480dbd37640cf5fec6ca.png]: /images/20210813/bdebd7c740854b478c078944d8a2f8fc.png
[9bd686934bbd45b3bc9915e023e78479.png]: /images/20210813/82cacf47351644fb8a022bb39876f4b7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjQwMzYzMg_size_16_color_FFFFFF_t_70]: /images/20210813/db4d2b9bc5e6419e91b9c4d18417f0bc.png